02/11/2010 30400608

Red de Revistas Científicas de América Latina y el Caribe, España y Portugal

Sistema de Información Científica Redalyc
Hemeroteca

Artículo
tadísticas

tadísticas de Autores

tículos relacionados

ros artículos de
Umbral Científico
Fundación Universitaria Manuela Beltrán
rtículos en XML
umbralcientifico@umb.edu.co
OAI-PMH Record ISSN (Versión impresa): 1692-3375
COLOMBIA
omo citar

Revista
tadísticas

gina de revista

2005
Dora Ballesteros / Hasbleidy Pardo
tículos relacionados
SOFTWARE DE ANÁLISIS DE ENERGÍA EN SEÑALES
ELECTROENCEFALOGRAFICAS BASADO EN LA TRANSFORMADA WAVELET
nviar por correo
DISCRETA
Umbral Científico, junio, número 006
er pantalla Fundación Universitaria Manuela Beltrán
Bogota, Colombia
pp. 54-61

Red de Revistas Científicas de América Latina y el Caribe, España y Portugal

Universidad Autónoma del Estado de México

http://redalyc.uaemex.mx

redalyc.uaemex.mx/…/30400608.html 1/11
02/11/2010 30400608

sOFTWARE DE AALIsIs DE
EERgIA E sEÑALEs
ELECTROECEFALOgRAFICAs
BAsADO E LA TRAsFORMADA
WAVELET DIsCRETA
Dora Ballesteros 1
Hasbleidy Pardo

REsuME

Este artículo presenta un software para el análisis de energía en señales EEG en cada uno de los ritmos de la
señal, delta, theta, alfa y beta, por medio de la utilización de una técnica moderna de procesamiento de señales:
la transformada wavelet discreta. El análisis de energía permite establecer criterios de respuesta del paciente a
estímulos externos, y la comparación de la señal EEG obtenida en diferentes regiones permite estimar la cohe-
rencia y simetría de la respuesta del cerebro.

Palabras claves: energía, ritmos, electroencefalografía, coherencia, simetría, transformada wavelet discreta.

ABsTRACT

The analysis of energy in EEG signals is presented in this article. The delta, theta, alpha and beta rhythms are
considered for this analysis and the discrete wavelet transform is used. The energy analysis allows to establish
criteria of answer of the patient to external stimuli, and the comparison of EEG signal obtained in different
regions allows to determine the coherence and symmetry of the answer of the brain.

Key words: energy, rhythms, electroencephalograph, coherence, symmetry, discrete wavelet transform.

1 Msc. en Ingeniería Electrónica. Directora de Investigación Formativa en Ingeniería, Líder Grupo SAPAB reconocido por Colciencias.
Estudiante de Ingeniería Electrónica.

54

redalyc.uaemex.mx/…/30400608.html 2/11
02/11/2010 30400608

ITRODuCCIO El software que se presenta en este artículo hace

Las señal es electr oencefalográfi cas
corresponden al resultado de la actividad
eléctrica del cerebro, con presencia o ausencia
de estímulos.
La forma y características de estas señales
no siguen un patrón predefinido, como si es
el caso de las señales electrocardiográficas,
donde cada segmento de la señal ECG
corresponde a una actividad específica del
corazón.
parte del proyecto de investigación Sistema de
Medición de respuesta cerebral vestibular
a partir de señales electroencefalográficas,
que se está desarrollando en la Universidad
Manuela Beltrán dentro del grupo de
investigación SAPAB.
El algoritmo se desarrolla en Matlab, versión
6.5 y utiliza el toolbox wavelets. Las
pruebas de validación se realizan utilizando
la base de datos MIT-BIH Polysomnographic
Database.

Debido a la ausencia de un patrón y la no

periodicidad de las señales EEG, el análisis
y la interpretación debe realizarse a partir de MARCO TEORICO
un estudio temporal y frecuencial (Zhang,
​000). A. Señales Electroencefalográficas:

Una de las técnicas matemáticas utilizadas en

los últimos años para el análisis multiresolución Tabla 1.
de señales no estacionarias (aquellas señales Caracterización de los ritmos en una señal EEG
que no son periódicas y no se pueden
caracterizar por sus promedios y desviación
estándar) es la transformada wavelet discreta
la cual ha sido utilizada no solamente en
el caso de señales EEG (Shen, ​00​), sino
en señales biomédicas e imágenes, tanto
para el pre-procesamiento, como para el
procesamiento y análisis.

El ritmo delta es la onda de mayor amplitud

y más lenta. Es normal en niños hasta 1 año
de edad y en los estados de sueño 3 y 4. Son
anormales en adultos despiertos. (Figura 1).

redalyc.uaemex.mx/…/30400608.html 3/11
02/11/2010 30400608
Fig 1.
Señal delta:
Representación en tiempo y frecuencia.
El ritmo theta se clasifica como baja actividad.
Es anormal en adultos despiertos, pero es
perfectamente normal en niños hasta los 13
años y también durante el sueño en adultos y
está asociado a pensamientos de tipo creativo,
a la imaginación, fantasía. (Figura ​)
Fig 2.
Señal theta:
Representación en tiempo y frecuencia.
El ritmo alfa se aprecia generalmente en todos
los grupos de edad, pero son más frecuentes en
adultos. Ocurren rítmicamente en ambos lados
de la cabeza y tiene una amplitud levemente
mayor en el lado no dominante.
Se asocia a estados de relajación, inactividad
mental y casi siempre aparece cuando se
cierran los ojos. (Figura 3).
56
redalyc.uaemex.mx/…/30400608.html
Fig 3.
Señal alfa:
Representación en tiempo y frecuencia.
El ritmo Beta normalmente se observan en
todos los grupos de edad.
Se aprecia en ambos lados del cerebro, en una
distribución simétrica y es el ritmo dominante
en pacientes que están en alerta, ansiosos o
que tienen los ojos abiertos. (Figura 4).
Fig 4.
Señal beta:
Representación en tiempo y frecuencia.
B. Transformada Wavelet discreta y la
multiresolución:
A partir de una señal electroencefalográfica
se pueden obtener los ritmos de la señal
y la energía contenida en cada uno de
estos ritmos (Shen, 2001). La transformada
wavelet permite obtener la representación
4/11
02/11/2010 30400608

en diferentes rangos de frecuencia de una - La señal alfa se obtiene a partir de

señal (Sun, 2002), y la relación entre los la reconstrucción de los coeficientes
rangos obtenidos y los ritmos de la señal se obtenidos es d4a1.
realiza aplicando los siguientes principios - La señal beta se obtiene a partir de la suma
(Ballesteros,2003): de la reconstrucción de los coeficientes
d4d​ y d3.
- Se utiliza el criterio de muestreo de
Nyquist el cual exige que una señal sea
muestreada al menos el doble del ancho Fig 5.
de banda análogo. Distribución de frecuencia en el árbol de
escomposición wavelet
- Cada nivel de descomposición de la
transformada wavelet divide el ancho de
banda inicial en dos anchos de banda,
uno correspondiente a la parte alta y otro
correspondiente a la parta baja.
- En el proceso de descomposición se
obtienen coeficientes para la representación
de la señal, pero es por medio de la
reconstrucción a partir de estos coeficientes
que se obtienen los ritmos de la señal
EEG.

METODOLOgIA uTILIZADA

Primero se analiza la descomposición de la

señal

Posteriormente se encuentra la relación entre
los coeficientes y los ritmos de la señal EEG.
Comparando la Figura 5 con la tabla I, se
encuentra que:
- La señal delta se obtiene a partir de la
reconstrucción de los coeficientes a5.
- La señal theta se obtiene a partir de la
reconstrucción de los coeficientes a4.
Como tercer paso se definen las variables de
entrada al software, las cuales son tiempo ini-
cial, tiempo final y archivo con la señal EEG,
y como salida se tiene la señal escogida por
el usuario y las gráficas de los ritmos con su
correspondiente energía.
El tiempo inicial y tiempo final corresponde
al valor en segundos de la señal EEG regis-
trada de la cual se desea realizar el análisis

redalyc.uaemex.mx/…/30400608.html 5/11
02/11/2010 30400608

de energía. REsuLTADOs OBTEIDOs

La señal del paciente es almacenada en
un formato de tipo texto plano de cuatro Se escoge un archivo de la base de datos de
columnas, donde cada columna corresponde duración ​ segundos ( de 1 a 3 segundos) y
al registro en una zona diferente del cerebro. se corre la aplicación.
Como cuarto paso, se plantea el diagrama de
flujo del software (Figura 6) y por último se
realiza el código sobre Matlab 6.5 utilizando Fig 7. Señal real EEG
el toolbox wavelet.
Para garantizar que el código generado
corresponda al diseño planteado inicialmente
y que éste a su vez sea acorde con la
identificación de los ritmos de la señal EEG y
sus energías, se hace necesario una etapa de
validación de los resultados obtenidos.

La señal de la Figura 7 corresponde al registro

de un paciente adulto en estado de sueño, que
de acuerdo al comportamiento de normalidad
debe predominar el ritmo delta. Los ritmos
obtenidos a partir de la reconstrucción de los
coeficientes wavelet se presenta en la Figura

Fig 6. Fig 8.
Diagrama de flujo simplificado Ritmos delta, theta, alpha y
del software desarrollado beta obtenidos de la señal EEG.
58

redalyc.uaemex.mx/…/30400608.html 6/11
02/11/2010 30400608

Y la energía de cada ritmo, calculada por el Para una segunda señal se obtienen los
software es: siguientes resultados:

- Ritmo delta: 83.98%

- Ritmo theta: ​.45% Fig 10. Señal EEG duración ​ segundos
- Ritmo alpha: 5%
- Ritmo beta: 0.93%

Para un total del 9​.36%. Esta energía

total es relativa con respecto a la energía
de la señal inicial, y el porcentaje es
inferior al 100% debido a que no se
considera todo el espectro de frecuencia
de la señal análoga original. El ritmo
predominante encontrado corresponde
a delta, tal como se intuía teóricamente,
y el ritmo beta es el de menor presencia en la Fig 11. Ritmos delta, theta, alpha y
señal de EEG examinada. beta obtenidos de la segunda señal EEG

La apariencia de la interfaz de usuario se

presenta en la Figura 9.

En la parte izquierda se ubican las variables

de entrada y en la parte derecha la salida del

Y la energía de cada ritmo es:

- Ritmo delta: 97.8​ %

- Ritmo theta: 0.5%
Fig 9. Interfaz de usuario desarrollada - Ritmo alpha: 0.45%
- Ritmo beta: 0.067%

redalyc.uaemex.mx/…/30400608.html 7/11
02/11/2010 30400608
Para un total de 98.84%.
El aumento de la cantidad de energía en el
ritmo delta se asocia con un estado de sueño
más profundo.
APLICACIOEs
El software de análisis de energía de señales
electroencefalográficas tiene dos áreas
importantes de aplicación, la primera es
desde el punto de vista de enseñanza, donde
el estudiante puede identificar la presencia
de diferentes componentes espectrales en un
registro de la señal para diferentes estados de
actividad cerebral; y la segunda aplicación
consiste en la valoración de niveles de
estimulación cerebral como herramienta de
apoyo en un diagnóstico clínico.
La opción de selecci ón de archi vo
permite com parar diferentes registros
electroencefalográficos, los cuales pueden
estar asociados a la captura en un mismo
instante de tiempo de diferentes zonas del
cerebro, y así comparar la respuesta del
cerebro a estímulos externos en diferentes
regiones.
TRABAjO A FuTuRO
La utilización de este software en el análisis de
energía de señales EEG en pruebas realizadas
en pacientes a los cuales se les estimula su
sistema vestibular, con el fin de estandarizar
una respuesta “normal" al protocolo utilizado.
Además se debe incluir como salida del
60
redalyc.uaemex.mx/…/30400608.html
software la clasificación de normalidad y
definir niveles de estimulación de acuerdo al
estándar estimado.
COCLusIOEs
La transformada wavelet discreta permite
la identificación de los ritmos de la señal
electroencefalográfica, a partir de la
reconstrucción de los coeficientes obtenidos
en el proceso de descom posición que
corresponden a los anchos de banda de cada
uno de ellos.
Es de vital importancia la identificación
preliminar de los coeficientes que se relacionan
con los ritmos de la señal, para evitar errores
en la identificación inexacta de los anchos de
banda asociados.
La selección de la ventana temporal de análisis
(tiempo inicial y tiempo final), permite el
análisis de la señal con diferentes resoluciones
temporales, dejando al usuario la posibilidad
de cuantificar la evolución de la señal en
registros de larga duración.
El área de Procesamiento Digital de Señales,
puede contribuir con procesos de valoración y
rehabilitación clínica, al construir aplicaciones
de tipo software que sirvan de apoyo a estos
procesos.
Esto conlleva a un desarrollo teórico riguroso
que garantice la validez de los resultados
8/11
02/11/2010 30400608

BIBLIO gRAFIA

Ballesteros DM. Aplicación de la transformada wavelet en la descomposición temporo-frecuencial de señales de

electroencefalografía. ISSN 169​- 3375. No.3
Diciembre de ​0 03.

Clark I, Biscay R, Echeverria M, Virues T . Multiresolution decomposition of non-stationary EEG signals: a prelimi-
nary study. Comput Biol Med. 1995 Jul; ​5 (4):373-8​

Niedermeyer, E. Electroencephalography: basic principles, clinical applications, and related fields. 1999

Shen M, Sun L, Chan HY. Detection od dynamic rhythms of electroencephalography by using wavelet packets
decomposition. ​0 01 Proceedings of the ​3 r dannual EMBS International Conference.

Shen M, Li , Zhang. T he time-varying coherent analysis of medical signals. ICSP’ 2002.

Sun L, Shen M. Analysis of non-stationary electroencephalogram using the wavelet transformation. ICSP’ 02
Proceedings.

Zhang Z, Kawabata H, LIU Z-Q. EEG Analysis using fast wavelet transform. 2000.

redalyc.uaemex.mx/…/30400608.html 9/11
02/11/2010 30400608

redalyc.uaemex.mx/…/30400608.html 10/11
02/11/2010 30400608

Universidad Autónoma del Estado de México

redalyc.uaemex.mx/…/30400608.html 11/11